JP6666744B2 - コンピュータプログラム、作業分析支援方法及び作業分析支援装置 - Google Patents

Description

本発明は、作業分析支援用のコンピュータプログラム、作業分析支援方法及び作業分析支援装置に係り、特に、作業者の動作パターンを評価するためのコンピュータプログラム、作業分析支援方法及び作業分析支援装置に関する。

作業分析において、作業者の動作パターンを特定することは、既に知られている。その一例としては、特許文献１に記載の技術が挙げられる。特許文献１には、動作パターンとして、作業中における作業者の軌跡（移動軌跡）を特定することが記載されている。また、特許文献１には、特定した軌跡に作業の標準経路を重ねて表示することが記載されている。これにより、分析者は、作業者の無駄な動き等を把握する等、動作パターンの評価を行うことが可能となる。

特開２０１５−２２８１２３号公報

ところで、同じ作業者が同じ作業を行う場合、作業を繰り返すに連れて動作パターンが変化する（具体的には、理想的なパターンに近付く）。そのため、各回の作業の動作パターンを評価する際は、作業者の作業に対する習熟度を考慮して行う必要がある。一方で、特許文献１をはじめ、従来の作業分析では、習熟度を考慮した動作パターンの評価が実施されていない。そこで、本発明は、上記の問題に鑑みてなされたものであり、その目的は、作業者の動作パターンを評価する際に作業者の作業に対する習熟度を考慮することが可能なコンピュータプログラム、作業分析支援方法及び作業分析支援装置を提供することにある。

前記課題は、本発明のコンピュータプログラムによれば、コンピュータを作業分析支援装置として機能させるためのコンピュータプログラムであって、前記コンピュータを、作業者が作業を行う際の動作パターンを取得するパターン取得部と、前記動作パターンに対する評価基準を設定する評価基準設定部と、前記評価基準に基づいて前記動作パターンを評価するパターン評価部と、を有する前記作業分析支援装置として機能させ、前記評価基準設定部として機能する前記コンピュータに、ある作業者がある作業を行う際の前記動作パターンに対する前記評価基準を、前記ある作業者が前記ある作業を行った回数に応じて設定させ、前記コンピュータを、前記動作パターンが取得された作業の良否に関する判定結果の入力を受け付ける入力受付部を更に有する前記作業分析支援装置として機能させ、前記入力受付部として機能する前記コンピュータに、前記パターン取得部が取得した前記動作パターン毎に、前記判定結果の入力を受け付けさせ、前記評価基準設定部として機能する前記コンピュータに、過去に取得した前記動作パターンと、該動作パターン毎に入力を受け付けた前記判定結果とを用いて学習させることで前記評価基準を設定させ、前記パターン評価部として機能する前記コンピュータに、前記動作パターンに対する評価として、前記評価基準に基づいて、前記動作パターンが取得された作業の良否を判定させることにより解決される。

上述した本発明のコンピュータプログラムが実行されると、コンピュータは、評価基準に基づいて作業者の動作パターンを評価する。ここで、ある作業者がある作業を行う際の動作パターンに対する評価基準については、ある作業者がある作業を行った回数に応じて設定されることになっている。これにより、作業者の習熟度が評価基準に反映されることになり、結果として、習熟度を考慮して動作パターンを評価することが可能となる。
また上記の構成では、取得した各動作パターンの各々について、作業の良否に関する判定結果の入力を受け付ける。そして、動作パターン毎の判定結果を学習して評価基準を設定する。その上で、新たに動作パターンを取得した際には、当該動作パターンが取得された作業の良否を上記の評価基準に基づいて判定する。これにより、動作パターンと作業の良否との関係（相関）に則って作業の良否を適切に判定することが可能となる。

前記課題は、本発明のコンピュータプログラムによれば、コンピュータを作業分析支援装置として機能させるためのコンピュータプログラムであって、前記コンピュータを、作業者が作業を行う際の動作パターンを取得するパターン取得部と、前記動作パターンに対する評価基準を設定する評価基準設定部と、前記評価基準に基づいて前記動作パターンを評価するパターン評価部と、を有する前記作業分析支援装置として機能させ、前記評価基準設定部として機能する前記コンピュータに、ある作業者がある作業を行う際の前記動作パターンに対する前記評価基準を、前記ある作業者が前記ある作業を行った回数に応じて設定させ、前記コンピュータを、作業者が作業を行うときの状態を計測した状態情報、及び、作業者が作業を行う環境に関する環境情報のうちの少なくとも一つの情報を取得する情報取得部と、該情報取得部が取得した情報に基づいて前記動作パターンを予測するパターン予測部と、を更に有する前記作業分析支援装置として機能させ、前記パターン評価部として機能する前記コンピュータに、前記パターン予測部によって予測された前記動作パターンを前記評価基準に基づいて評価させることによっても解決される。
上記の構成によれば、作業者の状態や作業環境に関する情報を取得し、取得した情報に基づいて動作パターンを予測する。そして、予測された動作パターンを評価基準に基づいて評価する。これにより、ある状態又はある作業環境の下で作業者が作業を行った場合の動作パターン、並びに、当該動作パターンに対する評価結果を予測することが可能となる。この結果、例えば、作業者の状態や環境を改善するきっかけを与えることが可能となる。

また、上記のコンピュータプログラムにおいて、前記パターン取得部として機能する前記コンピュータに、作業者が作業を行っている様子を示す映像を解析させて前記動作パターンを取得させ、前記パターン評価部として機能する前記コンピュータに、前記動作パターンに対する評価として、前記動作パターンに対する得点の算出を前記評価基準に基づいて実施させてもよい。
上記の構成では、作業者が作業を行っている様子を示す映像を解析して動作パターンを取得する。これにより、動作パターンを適切に取得することが可能となる。
また上記の構成では、動作パターンに対する評価として、動作パターンに対する得点を算出する。これにより、動作パターンに対して定量的な評価が可能となる。また、例えば、得点を作業者に知らせることで、自分の動作を見直すきっかけを与えることが可能となる。

また、上記のコンピュータプログラムにおいて、前記パターン評価部として機能する前記コンピュータに、前記動作パターンと基準動作パターンとの相違度合いを特定させ、該相違度合い及び前記評価基準に基づいて前記動作パターンを評価させてもよい。
上記の構成では、動作パターンを評価するにあたり、当該動作パターンと基準動作パターンとを対比して、両パターン間の相違度合いを特定する。そして、特定した相違度合い及び評価基準に基づいて動作パターンを評価する。このように基準動作パターンとの相違度合いに基づいて動作パターンを評価すれば、より妥当な評価結果が得られるようになる。

また、前述の課題は、本発明の作業分析支援方法によれば、コンピュータが、作業者が作業を行う際の動作パターンを取得することと、コンピュータが、前記動作パターンに対する評価基準を設定することと、コンピュータが、前記評価基準に基づいて前記動作パターンを評価することと、を有し、コンピュータが、ある作業者がある作業を行う際の前記動作パターンに対する前記評価基準を、前記ある作業者が前記ある作業を行った回数に応じて設定し、コンピュータが、前記動作パターンを取得した作業の良否に関する判定結果の入力を受け付けることを更に有し、コンピュータが、取得した前記動作パターン毎に、前記判定結果の入力を受け付け、過去に取得した前記動作パターンと、該動作パターン毎に入力を受け付けた前記判定結果とを用いて学習することで前記評価基準を設定し、前記動作パターンに対する評価として、前記評価基準に基づいて、前記動作パターンを取得した作業の良否を判定することにより解決される。
また、コンピュータが、前記動作パターンを取得した作業の良否に関する判定結果の入力を受け付けることを更に有し、コンピュータが、取得した前記動作パターン毎に、前記判定結果の入力を受け付け、過去に取得した前記動作パターンと、該動作パターン毎に入力を受け付けた前記判定結果とを用いて学習することで前記評価基準を設定し、前記動作パターンに対する評価として、前記評価基準に基づいて、前記動作パターンを取得した作業の良否を判定するとよい。
上記の方法によれば、作業者の作業に対する習熟度を考慮して当該作業者の動作パターンを評価することが可能となる。

また、前述の課題は、本発明の作業分析支援装置によれば、作業者が作業を行う際の動作パターンを取得するパターン取得部と、前記動作パターンに対する評価基準を設定する評価基準設定部と、前記評価基準に基づいて前記動作パターンを評価するパターン評価部と、を有し、前記評価基準設定部は、ある作業者がある作業を行う際の前記動作パターンに対する前記評価基準を、前記ある作業者が前記ある作業を行った回数に応じて設定し、コンピュータが、前記動作パターンを取得した作業の良否に関する判定結果の入力を受け付けることを更に有し、コンピュータが、取得した前記動作パターン毎に、前記判定結果の入力を受け付け、過去に取得した前記動作パターンと、該動作パターン毎に入力を受け付けた前記判定結果とを用いて学習することで前記評価基準を設定し、前記動作パターンに対する評価として、前記評価基準に基づいて、前記動作パターンを取得した作業の良否を判定することにより解決される。
また、コンピュータが、前記動作パターンを取得した作業の良否に関する判定結果の入力を受け付けることを更に有し、コンピュータが、取得した前記動作パターン毎に、前記判定結果の入力を受け付け、過去に取得した前記動作パターンと、該動作パターン毎に入力を受け付けた前記判定結果とを用いて学習することで前記評価基準を設定するとよい。
上記の装置によれば、作業者の作業に対する習熟度を考慮して当該作業者の動作パターンを評価することが可能となる。

本発明によれば、作業分析において、作業者の作業に対する習熟度を考慮して当該作業者の動作パターンを適切に評価することが可能となる。

ある作業者がある作業を行っている様子を示す図である。 本発明のコンピュータの構成例を示す図である。 本発明のコンピュータの機能を示す図である。 動作パターンの一例を示す図である。 第一実施形態に係る評価基準設定フローの流れを示す図である。 第一実施形態に係るパターン評価フローの流れを示す図である。 第一実施形態に係る予測パターン評価フローの流れを示す図である。 第二実施形態に係るパターン評価フローの流れを示す図である。 第二実施形態に係る予測パターン評価フローの流れを示す図である。

以下、本発明のコンピュータプログラム、作業分析支援方法及び作業分析支援装置の各々について、具体例を挙げて説明することとする。なお、以下の説明中、「作業」とは、一連の流れに沿って行われる複数の所作（動作）を意味する。また、「動作要素」とは、作業の構成単位に相当し、通常、一つの作業には複数の動作要素が含まれている。

本発明のコンピュータプログラムは、コンピュータに読み取られて実行されることで、コンピュータを作業分析支援装置として機能させるものである。コンピュータは、一般的なパソコン、サーバコンピュータ、スマートフォン、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）などが該当する。分析者は、コンピュータに搭載された本発明のコンピュータプログラムを起動することで、当該コンピュータを作業分析支援装置として用いることが可能である。

そして、作業分析支援装置であるコンピュータは、作業中の作業者の行動（動作）を評価する機能を備えており、具体的には、作業における作業者の動作パターンを評価する。なお、動作パターン及びその評価方法については、後に詳しく説明する。

以下、本発明の具体的実施形態として二つの実施形態を挙げ、それぞれの実施形態毎に、作業分析支援装置であるコンピュータの構成や機能について説明することとする。なお、以下では、図１に図示した作業、具体的に説明すると、ある作業者（以下、作業者Ｐ）がコンベアＱ上で搬送される荷箱Ｗに不図示の製品を入れて封緘する作業（以下、作業Ｘ）を分析するケースを想定して説明することとする。なお、当然ながら、分析対象の作業は特に限定されるものではなく、上記内容とは異なる作業を分析する場合にも本発明を適用することが可能である。

＜＜第一実施形態＞＞
先ず、第一実施形態について説明する。第一実施形態において、作業分析支援装置であるコンピュータ１０は、図２に示すように、ＣＰＵ１０ａ、メモリ１０ｂ、ハードディスクドライブ１０ｃ（図中、ＨＤＤと表記）、Ｉ／Ｏポート１０ｄ、入力機器１０ｅ及び出力機器１０ｆを備えている。また、コンピュータ１０には、コンピュータ１０を作業分析支援装置として機能させるためのプログラム（以下、作業分析支援プログラム）がインストールされている。この作業分析支援プログラムが、本発明のコンピュータプログラムに該当する。

また、コンピュータ１０は、Ｉ／Ｏポート１０ｄを通じてカメラＲの撮像映像や計測センサＳの計測結果を取得する。カメラＲは、図１に示すように、作業者Ｐが作業Ｘを行っている様子を撮影する。計測センサＳは、作業者Ｐが作業Ｘを行っている間に作業者Ｐの状態情報、より具体的には作業者Ｐの生体情報（例えば、脈拍数、体温、筋の活動電位、呼吸量、瞳孔の開き具合等）を計測する。さらに、コンピュータ１０は、Ｉ／Ｏポート１０ｄを通じてコンベアＱに向けて制御信号を出力することでコンベアＱを遠隔制御し、その搬送速度を調整する。

コンピュータ１０の機能について図３を参照しながら説明すると、コンピュータ１０は、映像取得部１１、パターン取得部１２、基準動作パターン選択部１３、入力受付部１４、評価基準設定部１５、情報取得部１６、パターン予測部１７、パターン評価部１８、評価結果出力部１９及び機器制御部２０を有する。これらの機能部は、上述したコンピュータ１０の構成機器（ハードウェア機器）がソフトウェアである作業分析支援プログラムと協働することで実現される。以下、各機能部について、それぞれ説明する。

映像取得部１１は、カメラＲの撮影映像を取得する。なお、本実施形態において、映像取得部１１は、作業者Ｐが作業Ｘを行う度に、その様子を撮影した映像をカメラＲから取得する。

パターン取得部１２は、映像取得部１１が取得した撮影映像を解析することで、作業Ｘにおける作業者Ｐの動作パターンを取得する。動作パターンとは、作業Ｘ中に作業者Ｐが行う動作の内容を、その動作が行われている時間と共に表しているものである。なお、本実施形態では、動作パターンの一例として図４に図示の動作要素表を取得する。この動作要素表は、作業Ｘを構成する各動作要素について、動作時間帯、動作内容、動作時間及び無効時間を収録したものである。「動作時間帯」とは、動作要素が実行される時間帯であり、具体的には、動作要素の開始時点から終了時点までの期間である。「動作内容」とは、動作要素に関する具体的内容である。「動作時間」とは、動作要素に要した実際の時間である。「無効時間」とは、動作時間中、有効な動作が行われていない時間である。

パターン取得部１２は、映像取得部１１がカメラＲの撮影映像を取得すると、その都度、動作パターンとしての動作要素表を取得する。換言すると、本実施形態では、作業者Ｐが作業Ｘを行う度に、当該作業者Ｐの動作パターンが取得されることになる。なお、取得された動作パターンは、作業Ｘにおける作業者Ｐの動作パターンとしてハードディスクドライブ１０ｃに蓄積される。

動作要素表について付言しておくと、動作要素表の収録内容については、上記の内容に限定されず、他の内容（例えば、動作要素の種別等）が含まれていてもよい。ちなみに、作業映像から動作要素表を取得する方法としては、公知の方法が利用可能であり、例えば、作業映像を動作要素単位で区切り、それぞれの動作要素について動作時間帯や無効時間等を収録することで動作要素表を取得する方法を利用してもよい。

また、動作パターンは、上記の動作要素表以外のものであってもよく、例えば、作業Ｘ中に作業者Ｐが移動した際の移動軌跡、あるいは作業者Ｐの身体各部の動き（変位）を表したものを動作パターンとして取得してもよい。

基準動作パターン選択部１３は、ハードディスクドライブ１０ｃに蓄積された動作パターン（厳密には、作業Ｘにおける作業者Ｐの動作パターン）の中から一の動作パターンを基準動作パターンとして選択する。「基準動作パターン」とは、作業Ｘにおける理想的なパターンとして設定される動作パターンである。なお、本実施形態では、作業者Ｐの動作パターンの中から基準動作パターンを選択することとしたが、これに限定されるものではない。例えば、作業者Ｐ以外の者、具体的には作業Ｘに習熟している者（熟練者）の動作パターンを予め登録しておき、かかる動作パターンを基準動作パターンとしてもよい。あるいは、基準動作パターンを理論的に求めてもよい。

入力受付部１４は、入力機器１０ｅを通じて分析者が入力した事項を受け付ける。入力受付部１４が受け付ける入力事項には、動作パターン（動作要素表）が取得された作業Ｘの良否に関する判定結果が含まれている。具体的に説明すると、分析者は、映像取得部１１が取得したカメラＲの映像を見ながら、作業者Ｐによって行われた作業Ｘに対する良否を判定し、その判定結果を入力機器１０ｅにて入力する。入力受付部１４は、作業Ｘに対する良否判定結果についての入力を受け付ける。

なお、入力受付部１４は、作業良否の判定結果を、判定対象である作業（具体的には作業Ｘ）における動作パターンと関連付けてハードディスクドライブ１０ｃに蓄積させる。つまり、入力受付部１４は、パターン取得部１２が取得した動作パターン毎に、作業良否の判定結果の入力を受け付け、当該判定結果と対応する動作パターンとをセットにしてハードディスクドライブ１０ｃに記憶させる。

評価基準設定部１５は、作業Ｘにおける作業者Ｐの動作パターン（動作要素表）を評価する際の評価基準を設定する。第一実施形態において、評価基準設定部１５は、パターン取得部１２が過去に取得した動作パターンと、入力受付部１４が動作パターン毎に入力を受け付けた良否判定結果と、に基づいて評価基準としての閾値を設定する。

より詳しく説明すると、評価基準設定部１５は、過去に取得した動作パターンのそれぞれについて、基準動作パターンとの相違度合いを特定する。「相違度合い」とは、動作パターンと基準動作パターンとの差異を数値化（定量化）したものであり、例えば、ユークリッド距離やマハラノビス距離等による類似度測定法を採用することで特定される。相違度合いを特定した後、評価基準設定部１５は、動作パターン毎に求めた基準動作パターンとの相違度合い、及び、動作パターン毎に入力を受け付けた良否判定結果をインプットとして深層学習（厳密には、教師付き学習）を実施する。この深層学習により、作業Ｘの良否を判定する際の基準値としての閾値が設定される。

第一実施形態において、評価基準設定部１５は、上述の手順にて評価基準としての閾値を設定する。さらに、評価基準設定部１５は、作業Ｘにおける作業者Ｐの動作パターンに対する評価基準を、作業者Ｐが作業Ｘを行った回数（作業実施回数）に応じて設定する。具体的に説明すると、作業実施回数がＮ回（Ｎは２以上の自然数）以上となった場合、評価基準設定部１５は、上述の手順にて設定された閾値を補正する。このため、作業実施回数がＮ回となった後に取得された動作パターンを評価する際には、補正後の閾値に基づいて評価することになる。なお、補正方法については、特に限定されるものではないが、補正後の閾値が補正前の閾値よりも小さくなるように補正すればよい。

情報取得部１６は、計測センサＳが計測した生体情報を取得する。パターン予測部１７は、情報取得部１６が取得した生体情報に基づいて動作パターンを予測する。ここで、予測される動作パターンは、情報取得部１６によって取得された生体情報の下で作業者Ｐが作業Ｘを行った場合に取得されると予想される動作パターンである。

なお、パターン予測部１７は、動作パターンを予測するにあたり、生体情報と動作パターンとの相関関係を特定する。具体的に説明すると、パターン予測部１７は、情報取得部１６が過去に取得した生体情報と、その計測時点で行われていた作業Ｘにおける動作パターンとの相関関係を統計学的手法（例えば、回帰分析）によって特定する。そして、パターン予測部１７は、情報取得部１６が新たに生体情報を取得したとき、当該生体情報を上記の相関関係（具体的には回帰式）に導入することで動作パターンを予測する。

パターン評価部１８は、評価基準設定部１５が設定した評価基準に基づいて、パターン取得部１２が取得した動作パターンを評価する。具体的に説明すると、パターン取得部１２が評価対象の動作パターン（以下、評価対象パターン）を取得すると、パターン評価部１８は、評価対象パターンと基準動作パターンとを対比し、両パターンの相違度合いを特定する。その後、パターン評価部１８は、特定した相違度合いと評価基準として設定された閾値との大小関係を特定する。そして、特定した相違度合いが閾値を下回る場合、パターン評価部１８は、評価対象パターンが取得された作業Ｘを良好と判定する。反対に、特定した相違度合いが閾値以上である場合、パターン評価部１８は、評価対象パターンが特定された作業Ｘを不良と判定する。

また、パターン評価部１８は、パターン予測部１７によって予測されたパターンについても、上記と同様の要領にて評価する。

評価結果出力部１９は、パターン評価部１８が動作パターンを評価した際の評価結果を、出力機器１０ｆを通じて出力する。具体的に説明すると、評価結果出力部１９は、出力機器１０ｆであるディスプレイ（不図示）に評価結果を表示する。なお、評価結果出力部１９による評価結果の出力方法については、ディスプレイでの表示に限定されるものではなく、評価結果に応じた音をスピーカや警報発生器に発生させてもよく、評価結果に応じた色にて発光機器を発光させてもよい。

機器制御部２０は、パターン評価部１８が動作パターンを評価した際の評価結果に応じて、コンベアＱを制御し、コンベアＱにおける荷箱Ｗの搬送速度を調整する。具体的に説明すると、パターン評価部１８は、動作パターンと基準動作パターンとの相違度合いが閾値以上であるか否かを特定することで、当該動作パターンが取得された作業Ｘの良否を判定した上で、上記の相違度合いと閾値との差を更に評価する。かかる差が所定値以上であった場合、機器制御部２０は、搬送速度が上昇するようにコンベアＱを制御する。

以上のように、本実施形態では、動作パターンが基準動作パターンと著しく異なる場合、すなわち、作業Ｘにおける作業者Ｐの動作が理想的な動きとかけ離れている場合には、機器制御部２０がコンベアＱにおける搬送速度を調整する（上昇させる）。これにより、作業者Ｐの作業速度を強制的に早めて作業者Ｐの動作を理想的な動きに近付けることが可能となる。

次に、第一実施形態においてコンピュータ１０が作業分析支援装置として動作する際の動作例について説明する。分析者が作業分析支援プログラムの起動操作を行うと、コンピュータ１０は、入力機器１０ｅを通じて当該起動操作を受け付け、作業分析支援装置として機能するようになる。つまり、コンピュータ１０は、作業分析支援プログラムが起動することで、上述した機能（具体的には、映像取得部１１、パターン取得部１２、基準動作パターン選択部１３、入力受付部１４、評価基準設定部１５、情報取得部１６、パターン予測部１７、パターン評価部１８、評価結果出力部１９及び機器制御部２０としての機能）を発揮するようになる。

そして、作業分析支援装置としてのコンピュータ１０は、作業Ｘにおける作業者Ｐの動作パターンを評価するために一連の情報処理を実行する。この際、コンピュータ１０は、本発明の作業分析支援方法に則って、動作パターン評価に関する各種の情報処理を実行する。すなわち、本発明の作業分析支援方法は、作業分析支援装置としてのコンピュータ１０が動作パターン評価に関する各種の情報処理を実行することで実現される。

コンピュータ１０による情報処理について詳しく説明すると、作業分析支援プログラムが起動した後、不図示の指定画面において３つの実行モードが提示される。ここで、提示される３つの実行モードは、「学習モード」、「パターン評価モード」及び「予測パターン評価モード」である。分析者は、提示された３つの実行モードの中から一つのモードを指定する。そして、作業分析支援装置としてのコンピュータ１０は、指定された実行モードに対応した情報処理を実行する。以下、各モードにおける情報処理について個別に説明する。なお、以下の説明では、作業Ｘにおける作業者Ｐの動作パターンを単に「動作パターン」と呼ぶこととする。

「学習モード」が指定された場合、コンピュータ１０は、図５に図示の評価基準設定フローを実行する。本処理は、過去に取得した複数の動作パターンと、基準動作パターンと、動作パターン毎に入力を受け付けた作業Ｘに対する良否判定の結果と、を用いて深層学習を実施し、評価基準としての閾値を設定するための処理である。

評価基準設定フローについて図５を参照しながら説明すると、先ず、コンピュータ１０は、過去に取得した動作パターンをハードディスクドライブ１０ｃから読み出す（Ｓ００１）。また、コンピュータ１０は、前ステップＳ０１１にて読み出した動作パターンと基準動作パターンとの相違度合いを特定する（Ｓ００２）。なお、基準動作パターンについては、評価基準設定フローの実施に際して分析者が基準動作パターンとする動作パターンを決めて入力機器１０ｅにて所定の操作を行い、コンピュータ１０が当該操作を受け付けることで選択される。

また、コンピュータ１０は、ステップＳ００１にて読み出した動作パターンとセットになっている作業Ｘに対する良否判定の結果をハードディスクドライブ１０ｃから読み出す（Ｓ００３）。以上までのステップ（Ｓ００１〜Ｓ００３）については、過去に取得した動作パターンすべてに対して繰り返される（Ｓ００４）。

その後、コンピュータ１０は、ステップＳ００２にて特定した動作パターン毎の相違度合いと、ステップＳ００３にて読み出した動作パターン毎の判定結果とをインプットとして深層学習を実施する（Ｓ００５）。かかる深層学習により、前述の閾値が設定される。さらに、コンピュータ１０は、過去に取得した動作パターンの数から作業Ｘの実施回数を特定し、特定した作業実施回数がＮ回以上であるか否かを判定する（Ｓ００６）。作業実施回数がＮ回未満である場合、前ステップＳ００５にて設定された閾値は、その値のままで後述のパターン評価フローや予測パターン評価フローにおいて利用される。

他方、作業実施回数がＮ回以上である場合、コンピュータ１０は、前ステップＳ００５にて設定した閾値を作業実施回数に応じて補正する（Ｓ００７）。このように閾値が補正された場合、補正後の閾値がパターン評価フローや予測パターン評価フローにおいて利用される。
以上までのステップがすべて完了した時点（換言すると、閾値が確定した時点）で評価基準フローは終了する。

次に、「パターン評価モード」について説明する。「パターン評価モード」が指定された場合、コンピュータ１０は、図６に図示のパターン評価フローを実行する。本処理は、コンピュータ１０が新たに取得した動作パターンを評価するための処理である。具体的に説明すると、第一実施形態に係るパターン評価フローでは、評価対象の動作パターン（以下、評価対象パターン）の内容を基に、当該評価対象パターンが取得された作業Ｘに対する良否を判定（厳密には推定）する。

パターン評価フローについて図６を参照しながら説明すると、先ず、コンピュータ１０は、カメラＲから新たに取得した作業Ｘの撮像映像を解析し、当該作業Ｘにおける動作パターンを評価対象パターンとして取得する（Ｓ０１１）。また、コンピュータ１０は、前ステップＳ０１１にて取得した評価対象パターンと基準動作パターンとの相違度合いを特定する（Ｓ０１２）。

その後、コンピュータ１０は、評価基準設定フローにおいて既に設定されている閾値を読み出す（Ｓ０１３）。そして、コンピュータ１０は、ステップＳ０１２にて特定した相違度合いと、ステップＳ０１３にて読み出した閾値とに基づき、評価対象パターンが取得された作業Ｘの良否を判定する（Ｓ０１４）。具体的には、相違度合いと閾値との大小関係を特定し、相違度合いが閾値を下回っているときには作業Ｘを良好と判定し、相違度合いが閾値以上であるときには作業Ｘを不良と判定する。

判定終了後、コンピュータ１０は、前ステップＳ０１４における判定結果をディスプレイに表示する（Ｓ０１５）。また、コンピュータ１０は、相違度合いと閾値との差を求め、その差が所定値以上であるかどうかを判定する（Ｓ０１６）。差が所定値未満であるとコンピュータ１０が判定したときには、その時点でパターン評価フローが終了する。一方、差が所定値以上であると判定したとき、コンピュータ１０は、コンベアＱを遠隔制御し、コンベアＱの搬送速度が上昇するように当該搬送速度を調整する（Ｓ０１７）。かかる調整が終了すると、その時点でパターン評価フローが終了する。

次に、「予測パターン評価モード」について説明する。「予測パターン評価モード」が指定された場合、コンピュータ１０は、図７に図示の予測パターン評価フローを実行する。本処理は、作業者Ｐの生体情報を計測センサＳから取得し、取得した生体情報から動作パターンを予測し、予測した動作パターン（以下、予測パターン）を評価するための処理である。なお、第一実施形態に係る予測パターン評価フローでは、将来的に予測パターンが取得されると予想される作業Ｘ（すなわち、実施前又は実施途中の段階にある作業Ｘ）について、その良否を判定する。

予測パターン評価フローについて図７を参照しながら説明すると、先ず、コンピュータ１０は、計測センサＳから作業者Ｐの生体情報を取得する（Ｓ０２１）。その後、コンピュータ１０は、前ステップＳ０２１にて取得した生体情報を基に動作パターンを予測する（Ｓ０２２）。なお、動作パターンの予測方法については、前述の通りであり、具体的には、生体情報と動作パターンとの相関関係に基づいて予測する。

その後、コンピュータ１０は、予測パターンと基準動作パターンとの相違度合いを特定する（Ｓ０２３）。以降のステップ（Ｓ０２４〜Ｓ０２８）については、前述したパターン評価フロー中のステップＳ０１３〜Ｓ０１７と共通するため、説明を省略する。そして、予測パターン評価フローが上記の手順に従って実行されることで、将来的に予測パターンが取得されるような作業Ｘが行われる場合を想定して、その良否に関する判定結果を予測してディスプレイに表示する。また、予測パターン評価フローにおいても、パターン評価フローと同様、予測パターンが基準動作パターンからかけ離れている場合にコンベアＱの搬送速度を上昇させる。

以上までに本発明の第一実施形態について説明したが、本実施形態では、過去に取得した作業者Ｐの動作パターンと、動作パターン毎に入力を受け付けた作業Ｘに対する良否の判定結果と、を用いて学習する。また、第一実施形態では、学習を通じて動作パターンの評価基準（具体的には閾値）を設定し、設定された評価基準に基づいて動作パターンを評価し、具体的には当該動作パターンが取得された作業Ｘの良否を判定する。このように第一実施形態では、動作パターンと作業Ｘの良否判定の結果との間の関係（傾向）を捉えた上で、当該関係に則って、評価対象の動作パターンが取得された作業Ｘの良否を判定することが可能となる。

また、第一実施形態では、評価基準を設定する際に、作業者Ｐがこれまでに作業Ｘを行ってきた回数（作業実施回数）に応じて設定することとした。具体的には、作業実施回数がＮ回以上である場合、評価基準である閾値を補正することとした。これにより、評価基準を設定する際に、当該評価基準に作業実施回数、換言すると作業Ｘに対する作業者Ｐの習熟度が反映されることになる。この結果、評価対象パターンを評価する際には、作業者Ｐの習熟度を考慮して評価することが可能となる。

なお、第一実施形態では、作業実施回数を習熟度の指標として採用したが、これに限定されるものではなく、習熟度を示す指標として好適なものである限り、他の指標を用いてもよい。また、第一実施形態では、習熟度を２段階に分けることとし、これに伴って評価基準についても２つの評価基準（具体的には、補正前の閾値と補正後の閾値）を設定することとした。ただし、これに限定されるものではなく、習熟度を３段階以上に分け、それと同数の評価基準を設定してもよい。

さらに、第一実施形態では、計測センサＳの計測結果（厳密には生体情報）から動作パターンを予測し、予測された動作パターンを上記の評価基準に基づいて評価し、具体的には予測パターンが取得されるような作業Ｘが行われる場合を想定し、将来の作業Ｘの良否を予測判定する。これにより、動作パターンを未だ取得していない作業Ｘ（つまり、実施前または実施途中である作業Ｘ）について、その良否を推定することが可能となる。

＜＜第二実施形態＞＞
次に、第二実施形態について説明する。第二実施形態において、作業分析支援装置であるコンピュータ１０は、第一実施形態に係るコンピュータ１０と同様の構成であり、第一実施形態における機能と略同様の機能を有する。以下では、第二実施形態のうち、第一実施形態と異なる内容を中心に説明することとする。

第二実施形態に係るコンピュータ１０は、第一実施形態と同様、映像取得部１１、パターン取得部１２、基準動作パターン選択部１３、入力受付部１４、評価基準設定部１５、情報取得部１６、パターン予測部１７、パターン評価部１８、評価結果出力部１９及び機器制御部２０を有する。このうち、映像取得部１１、パターン取得部１２、基準動作パターン選択部１３、情報取得部１６、パターン予測部１７、評価結果出力部１９及び機器制御部２０については、第一実施形態と共通している。

一方、第二実施形態において、評価基準設定部１５は、動作パターンに対する評価基準としての採点ルールを設定し、パターン評価部１８は、動作パターンに対する評価として、動作パターンの得点の算出を実施する。具体的に説明すると、分析者によるルール決定事項の入力を入力受付部１４が受け付けると、評価基準設定部１５が当該ルール決定事項を基に採点ルールを設定する。この際、評価基準設定部１５は、作業実施回数に応じて採点ルールを設定する。

より詳しく説明すると、評価基準設定部１５は、作業実施回数がＮ回未満である場合に適用される採点ルール（以下、一般ルール）と、作業実施回数がＮ回以上である場合に適用される採点ルール（以下、熟練者用ルール）とを設定する。ここで、熟練者用ルールは、一般ルールよりも厳しいルール、例えば減点度合いがより大きいルールとなっている。

パターン評価部１８は、評価対象の動作パターン（評価対象パターン）と基準動作パターンとの相違度合いを特定し、特定した相違度合いを上記の採点ルールに適用することで評価対象パターンに対する得点を算出する。また、第二実施形態において、パターン評価部１８は、パターン予測部１７によって予測されたパターンについても、上記と同様の要領にて得点を算出する。

次に、第二実施形態においてコンピュータ１０が作業分析支援装置として動作する際の動作例について説明する。第二実施形態において、第一実施形態と同様に、分析者が作業分析支援プログラムの起動操作を行うと、これをトリガーとして、コンピュータ１０が作業分析支援装置として機能するようになる。そして、コンピュータ１０は、作業Ｘにおける作業者Ｐの動作パターンを評価するために一連の情報処理を実行する。この際、コンピュータ１０は、本発明の作業分析支援方法に則って、動作パターン評価に関する各種の情報処理を実行する。

具体的に説明すると、第二実施形態では、作業分析支援プログラムが起動した後、不図示の指定画面において２つの実行モード、具体的には「パターン評価モード」及び「予測パターン評価モード」が提示される。そして、分析者が提示された２つの実行モードの中から一つのモードを指定すると、作業分析支援装置としてのコンピュータ１０が指定された実行モードに対応した情報処理を実行する。以下、各モードにおける情報処理について説明する。なお、以下の説明では、作業Ｘにおける作業者Ｐの動作パターンを単に「動作パターン」と呼ぶこととする。

具体的に説明すると、「パターン評価モード」が指定された場合、コンピュータ１０は、図８に図示のパターン評価フローを実行する。本処理は、コンピュータ１０が評価対象の動作パターンに対する評価として、当該動作パターンに対する得点を算出するための処理である。

第二実施形態に係るパターン評価フローについて図８を参照しながら説明すると、先ず、コンピュータ１０は、カメラＲから新たに取得した作業Ｘの撮像映像を解析し、当該作業Ｘにおける動作パターンを評価対象パターンとして取得する（Ｓ０３１）。また、コンピュータ１０は、前ステップＳ０３１にて取得した評価対象パターンと基準動作パターンとの相違度合いを特定する（Ｓ０３２）。その後、コンピュータ１０は、既に設定されている２つの採点ルールを読み出す（Ｓ０３３）。また、コンピュータ１０は、ハードディスクドライブ１０ｃに蓄積された動作パターンの数から作業実施回数を特定し、特定した作業実施回数がＮ回以上であるか否かを判定する（Ｓ０３４）。

そして、作業実施回数がＮ回未満であると判定したとき、コンピュータ１０は、ステップＳ０３３にて読み出した２つの採点ルールのうち、一般ルールを適用して評価対象パターンの得点を算出する（Ｓ０３５）。他方、作業実施回数がＮ回以上であると判定したとき、コンピュータ１０は、上記２つの採点ルールのうち、熟練者ルールを適用して評価対象パターンの得点を算出する（Ｓ０３６）。得点算出の終了後、コンピュータ１０は、算出した得点をディスプレイに表示する（Ｓ０３７）。そして、得点表示が完了した時点で第二実施形態に係るパターン評価フローが終了する。

次に、「予測パターン評価モード」について説明する。「予測パターン評価モード」が指定された場合、コンピュータ１０は、図９に図示の予測パターン評価フローを実行する。本処理は、作業者Ｐの生体情報を計測センサＳから取得し、取得した生体情報から動作パターンを予測し、その予測パターンの得点を算出するための処理である。

第二実施形態に係る予測パターン評価フローについて図９を参照しながら説明すると、先ず、コンピュータ１０は、計測センサＳから作業者Ｐの生体情報を取得する（Ｓ０４１）。その後、コンピュータ１０は、前ステップＳ０４１にて取得した生体情報を基に動作パターンを予測する（Ｓ０４２）。パターン予測後、コンピュータ１０は、予測パターンと基準動作パターンとの相違度合いを特定する（Ｓ０４３）。以降のステップ（Ｓ０４４〜Ｓ０４８）については、前述した第二実施形態に係るパターン評価フロー中のステップＳ０３３〜Ｓ０３７と共通するため、説明を省略する。そして、第二実施形態に係る予測パターン評価フローが上記の手順に従って実行されると、最終的に、予測パターンに対する得点の算出結果がディスプレイに表示されるようになる。

以上までに本発明の第二実施形態について説明したが、本実施形態では、評価対象の動作パターンに対する得点を評価基準としての採点ルールに則って算出する。具体的には、評価対象パターンと基準動作パターンとの相違度合いを特定し、特定した相違度合いを上記の採点ルールに適用することで得点を算出する。このように第二実施形態では、動作パターンに対する評価結果が数値（得点）として現れる。これにより、作業者Ｐは、自己の動作に対する評価を数値（得点）で確認し、その確認結果から自分の動作を見直すきっかけを得ることが可能となる。

また、第二実施形態においても、第一実施形態と同様、評価基準を設定する際に、作業者Ｐがこれまでに作業Ｘを行ってきた回数（作業実施回数）に応じて設定することとした。具体的には、異なる２つの採点ルールを用意し、作業実施回数に応じて採点ルールを使い分けることとした。これにより、評価対象パターンに対する得点を算出する際に、作業者Ｐの習熟度を考慮して算出することが可能となる。

さらに、第二実施形態においても、第一実施形態と同様、計測センサＳの計測結果（厳密には生体情報）から動作パターンを予測し、予測された動作パターンに対する得点を上記の採点ルールに従って算出する。これにより、実施前または実施途中である作業Ｘについて、作業者Ｐの生体情報から動作パターンを予測し、さらに、当該動作パターンの評価結果（具体的には得点）を作業実施前の段階で得ることが可能となる。

＜＜その他の実施形態＞＞
上記の実施形態では、本発明のコンピュータプログラム、作業分析支援方法及び作業分析支援装置について一例を挙げて説明した。しかし、上記の実施形態は、本発明の理解を容易にするためのものであり、本発明を限定するものではない。すなわち、本発明は、その趣旨を逸脱することなく、変更、改良され得ると共に、本発明にはその等価物が含まれることは勿論である。

上記の実施形態では、一台のコンピュータ１０が作業分析支援装置としての機能のすべてを実現することとしたが、これに限定されるものではなく、複数のコンピュータが協働して作業分析支援装置を構成してもよい。また、上記の実施形態では、動作パターン、及び、動作パターンを評価するために必要な各種情報（例えば、分析者が入力した作業Ｘに対する良否判定の結果）をコンピュータ１０のハードディスクドライブ１０ｃに記憶することとした。ただし、これに限定されるものではなく、動作パターン等を外部サーバ（例えば、クラウドサービス提供用のサーバコンピュータ）に蓄積し、作業分析支援装置としてのコンピュータ１０が必要に応じて上記の外部サーバから読み出す構成であってもよい。

また、上記の実施形態（具体的には、第一実施形態）では、動作パターンに対する評価基準を設定する上で、過去に取得した動作パターンと、動作パターン毎に入力を受け付けた作業Ｘに対する良否判定の結果と、を用いて深層学習を行うこととした。すなわち、上記の実施形態では、深層学習として教師付き学習を行うこととした。ただし、これに限定されるものではなく、上記の評価基準を設定するための学習として教師なし学習を行ってもよい。

また、上記の実施形態では、動作パターンを予測するにあたり、計測センサＳが計測した作業者Ｐの生体情報を取得することとした。ただし、これに限定されるものではなく、生体情報以外の状態情報（作業者Ｐが作業Ｘを行うときの状態を計測したときの情報）を取得してもよく、例えば、作業者Ｐの傾きや姿勢を加速度センサからなる計測センサＳにて計測し、その計測結果を示す情報を取得してもよい。

また、状態情報の代わりに、あるいは、状態情報と共に環境情報を取得してもよい。環境情報は、作業者Ｐが作業Ｘを行う際の作業環境に関して計測可能な情報であり、具体的には、気温や湿度、騒音レベル、照度、作業者Ｐと共に作業する者の有無やその人数等が該当する。そして、取得した環境情報に基づいて動作パターンを予測してもよい。

また、上記の実施形態では、作業Ｘの撮像映像を解析して当該作業Ｘの動作パターンを取得することとしたが、これに限定されるものではない。例えば、作業者Ｐにモーションセンサを取り付け、作業Ｘ中におけるモーションセンサの計測結果の経時変化を動作パターンとして取得してもよい。

また、上記の実施形態では、一人の作業者Ｐによって行われる作業を分析対象とするケースを例に挙げて説明したが、これに限定されるものではない。複数人の作業者によって行われる作業（例えば、作業者Ｐが他の作業者と連携しながら行う作業）を分析対象とする場合にも本発明は適用可能である。かかる場合には、作業者別に動作パターンを取得して各作業者の動作パターンを個別に評価する他、各作業者の動作パターンを一つのパターンにまとめた上で総合的に評価することで作業者間の連携性や作業全体としての成果を評価することが可能となる。

１０ コンピュータ
１０ａ ＣＰＵ
１０ｂ メモリ
１０ｃ ハードディスクドライブ
１０ｄ Ｉ／Ｏポート
１０ｅ 入力機器
１０ｆ 出力機器
１１ 映像取得部
１２ パターン取得部
１３ 基準動作パターン選択部
１４ 入力受付部
１５ 評価基準設定部
１６ 情報取得部
１７ パターン予測部
１８ パターン評価部
１９ 評価結果出力部
２０ 機器制御部
Ｐ 作業者
Ｑ コンベア
Ｒ カメラ
Ｓ 計測センサ
Ｗ 荷箱

Claims (8)

1. コンピュータを作業分析支援装置として機能させるためのコンピュータプログラムであって、
   前記コンピュータを、
   作業者が作業を行う際の動作パターンを取得するパターン取得部と、
   前記動作パターンに対する評価基準を設定する評価基準設定部と、
   前記評価基準に基づいて前記動作パターンを評価するパターン評価部と、を有する前記作業分析支援装置として機能させ、
   前記評価基準設定部として機能する前記コンピュータに、ある作業者がある作業を行う際の前記動作パターンに対する前記評価基準を、前記ある作業者が前記ある作業を行った回数に応じて設定させ、
   前記コンピュータを、前記動作パターンが取得された作業の良否に関する判定結果の入力を受け付ける入力受付部を更に有する前記作業分析支援装置として機能させ、
   前記入力受付部として機能する前記コンピュータに、前記パターン取得部が取得した前記動作パターン毎に、前記判定結果の入力を受け付けさせ、
   前記評価基準設定部として機能する前記コンピュータに、過去に取得した前記動作パターンと、該動作パターン毎に入力を受け付けた前記判定結果とを用いて学習させることで前記評価基準を設定させ、
   前記パターン評価部として機能する前記コンピュータに、前記動作パターンに対する評価として、前記評価基準に基づいて、前記動作パターンが取得された作業の良否を判定させることを特徴とするコンピュータプログラム。
2. コンピュータを作業分析支援装置として機能させるためのコンピュータプログラムであって、
   前記コンピュータを、
   作業者が作業を行う際の動作パターンを取得するパターン取得部と、
   前記動作パターンに対する評価基準を設定する評価基準設定部と、
   前記評価基準に基づいて前記動作パターンを評価するパターン評価部と、を有する前記作業分析支援装置として機能させ、
   前記評価基準設定部として機能する前記コンピュータに、ある作業者がある作業を行う際の前記動作パターンに対する前記評価基準を、前記ある作業者が前記ある作業を行った回数に応じて設定させ、
   前記コンピュータを、
   作業者が作業を行うときの状態を計測した状態情報、及び、作業者が作業を行う環境に関する環境情報のうちの少なくとも一つの情報を取得する情報取得部と、
   該情報取得部が取得した情報に基づいて前記動作パターンを予測するパターン予測部と、を更に有する前記作業分析支援装置として機能させ、
   前記パターン評価部として機能する前記コンピュータに、前記パターン予測部によって予測された前記動作パターンを前記評価基準に基づいて評価させることを特徴とするコンピュータプログラム。
3. 前記パターン取得部として機能する前記コンピュータに、作業者が作業を行っている様子を示す映像を解析させて前記動作パターンを取得させ、
   前記パターン評価部として機能する前記コンピュータに、前記動作パターンに対する評価として、前記動作パターンに対する得点の算出を前記評価基準に基づいて実施させることを特徴とする請求項１又は２に記載のコンピュータプログラム。
4. 前記パターン評価部として機能する前記コンピュータに、前記動作パターンと基準動作パターンとの相違度合いを特定させ、該相違度合い及び前記評価基準に基づいて前記動作パターンを評価させることを特徴とする請求項１乃至３のいずれか一項に記載のコンピュータプログラム。
5. コンピュータが、
   作業者が作業を行う際の動作パターンを取得することと、
   前記動作パターンに対する評価基準を設定することと、
   前記評価基準に基づいて前記動作パターンを評価することと、を有し、
   コンピュータが、ある作業者がある作業を行う際の前記動作パターンに対する前記評価基準を、前記ある作業者が前記ある作業を行った回数に応じて設定し、
   コンピュータが、前記動作パターンを取得した作業の良否に関する判定結果の入力を受け付けることを更に有し、
   コンピュータが、
   取得した前記動作パターン毎に、前記判定結果の入力を受け付け、
   過去に取得した前記動作パターンと、該動作パターン毎に入力を受け付けた前記判定結果とを用いて学習することで前記評価基準を設定し、
   前記動作パターンに対する評価として、前記評価基準に基づいて、前記動作パターンを取得した作業の良否を判定することを特徴とする作業分析支援方法。
6. コンピュータが、
   作業者が作業を行う際の動作パターンを取得することと、
   前記動作パターンに対する評価基準を設定することと、
   前記評価基準に基づいて前記動作パターンを評価することと、を有し、
   コンピュータが、ある作業者がある作業を行う際の前記動作パターンに対する前記評価基準を、前記ある作業者が前記ある作業を行った回数に応じて設定し、
   コンピュータが、
   作業者が作業を行うときの状態を計測した状態情報、及び、作業者が作業を行う環境に関する環境情報のうちの少なくとも一つの情報を取得することと、
   取得した情報に基づいて前記動作パターンを予測することと、を更に有し、
   コンピュータが、予測した前記動作パターンを前記評価基準に基づいて評価することを特徴とする作業分析支援方法。
7. 作業者が作業を行う際の動作パターンを取得するパターン取得部と、
   前記動作パターンに対する評価基準を設定する評価基準設定部と、
   前記評価基準に基づいて前記動作パターンを評価するパターン評価部と、を有し、
   前記評価基準設定部は、ある作業者がある作業を行う際の前記動作パターンに対する前記評価基準を、前記ある作業者が前記ある作業を行った回数に応じて設定し、
   前記動作パターンが取得された作業の良否に関する判定結果の入力を受け付ける入力受付部を更に有し、
   前記入力受付部は、前記パターン取得部が取得した前記動作パターン毎に、前記判定結果の入力を受け付け、
   前記評価基準設定部は、過去に取得した前記動作パターンと、該動作パターン毎に入力を受け付けた前記判定結果とを用いて学習することで前記評価基準を設定し、
   前記パターン評価部は、前記動作パターンに対する評価として、前記評価基準に基づいて、前記動作パターンが取得された作業の良否を判定することを特徴とする作業分析支援装置。
8. 作業者が作業を行う際の動作パターンを取得するパターン取得部と、
   前記動作パターンに対する評価基準を設定する評価基準設定部と、
   前記評価基準に基づいて前記動作パターンを評価するパターン評価部と、を有し、
   前記評価基準設定部は、ある作業者がある作業を行う際の前記動作パターンに対する前記評価基準を、前記ある作業者が前記ある作業を行った回数に応じて設定し、
   作業者が作業を行うときの状態を計測した状態情報、及び、作業者が作業を行う環境に関する環境情報のうちの少なくとも一つの情報を取得する情報取得部と、
   該情報取得部が取得した情報に基づいて前記動作パターンを予測するパターン予測部と、を更に有し、
   前記パターン評価部は、前記パターン予測部によって予測された前記動作パターンを前記評価基準に基づいて評価することを特徴とする作業分析支援装置。

Images